使用sklearn上的数字测试kNN算法

最新推荐文章于 2024-06-03 06:00:00 发布

原创最新推荐文章于 2024-06-03 06:00:00 发布 · 376 阅读

1 ·

CC 4.0 BY-SA版权

机器学习小算法专栏收录该内容

8 篇文章

订阅专栏

本文通过使用K-最近邻(KNN)算法对MNIST手写数字数据集进行分类，实现了对手写数字的准确识别。从数据加载、预处理到模型训练及评估，详细展示了KNN在图像识别领域的应用过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
from sklearn import datasets
digits=datasets.load_digits()
x=digits.data
y=digits.target
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(x,y,test_size=0.2)
from sklearn.neighbors import KNeighborsClassifier 
knn_clf=KNeighborsClassifier(n_neighbors=3)
knn_clf.fit(X_train,y_train)
print(knn_clf.score(X_test,y_test))